Bislang gibt es vor allem theoretische Arbeiten, wie sich diese Vorteile von Quantencomputer im Bereich Quantum Machine Learning nutzen lassen. Praktisch angewendet wurde diese Computertechnologie jedoch bisher kaum. ZHAW-Forschende haben nun erstmals eine neue Methode gewählt, mit der bei Quantencomputern exaktere Ergebnisse bei komplexen Problemstellungen erzielt werden können. «Wir haben mithilfe eines Hybrid-Ansatzes den komplexesten Teil eines Algorithmus in einen Quantencomputer implementiert, den restlichen Teil jedoch weiterhin von einem klassischen Computer berechnen lassen», erklärt ZHAW-Forscher Kurt Stockinger. Der dabei verwendete Machine Learning-Algorithmus wird zu Klassifizierung von Objekten genutzt. Da Quantencomputer vor allem bei hochkomplexen Berechnungen stark sind, jedoch bei einfachen Aufgaben keinen Vorteil gegenüber klassischen Rechnern bieten, könnte eine Kombination beider Systeme tatsächlich eine effiziente Lösung sein.

Die ZHAW-Forschenden führten ihre Versuche mit insgesamt fünf Datensätzen durch und liessen die Berechnungen von Quanten- sowie klassischen Computern berechnen und verglichen die Ergebnisse miteinander. Dazu nutzten sie die Möglichkeit, sich direkt an einen Quantencomputer von IBM anzudocken. Somit konnten sie die Berechnung simulieren und konkret von einem Quantencomputer durchführen lassen. Getestet wurde der Ansatz unter anderem an dem sogenannten Iris-Datensatz, der Informationen zu Blumen enthält und zur Klassifizierung einzelner Blumenarten eingesetzt wird. Und tatsächlich führte die Hybrid-Methode zu exakteren Resultaten. «Wir konnten damit zeigen, dass klassische Machine Learning-Probleme durch den Hybrid-Ansatz besser lösbar sind als mit klassischen Computern», fasst Stockinger das Ergebnis zusammen.